实体
Yambda
Yambda
PulseAugur coverage of Yambda — every cluster mentioning Yambda across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新算法有望提升推荐系统分数的速度和准确性
研究人员开发了两种新算法，ASC和K-ASC，旨在高效计算大规模推荐系统的摇摆分数。这些算法解决了现有方法计算成本过高或依赖于牺牲质量的启发式方法的局限性。ASC和K-ASC对摇摆值的准确性提供了理论保证，并已在包含数十亿次交互的超大规模图等各种真实世界数据集上，与竞争方法相比，在计算时间上实现了数量级的显著加速。
-
新方法通过演化记忆和重排序增强生成式推荐系统
研究人员开发了新的方法来改进生成式推荐系统，该系统旨在通过对用户交互序列进行建模来提供个性化推荐。一种名为 LION 的方法引入了自演化记忆范式，以解决主导用户模式掩盖不太常见模式的“演化冲突”问题。另一种方法侧重于偏好漂移感知子序列学习和分层上下文融合，以更有效、更准确地处理长序列。此外，还提出了一种通用的生成式重排序技术，通过充当验证器来增强现有推荐检索器的性能，在不重新训练检索器的情况下提高召回率。